基于分数阶改进浣熊优化算法（FCOA）

改进浣熊优化算法（FCOA，2023年较新算法)，策略相对新颖，性能较好，可搭配各种应用。

此算法性能较强，稍逊于ICOA，但在处理固定多维测试函数上，依然优于其他算法，改进后有了更快的收敛速度及收敛精度，改进点有注释，共3种改进策略，带23种测试函数表达式以及测试函数理论最优值等信息，详情见下图。

对比算法:GWO，COA，WOA，NGO，DBO

最大迭代次数:500

初始种群数量:30

独立运行次数：30

输出信息:算法收敛曲线对比图，测试函数波形图，最优值，最差值，平均值，标准差。

改进后的对比效果，如下图所示，展现出了非常强的收敛速度与收敛精度，在单维，多维，固定多维共计23种测试函数中，ICOA共计18种测试函数结果最优，详情见如下测试函数。对该算法的改进，目前还是非常少的，可与现有改进随意比较收敛速度与收敛精度，获取方式在最后：

 

 

 

 

 获取方式：🍞正在为您运送作品详情https://mbd.pub/o/bread/ZJqVlJps